Grundlagen des maschinellen Lernens
11 Questions
4 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to Lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Was ist das Ziel von maschinellem Lernen?

Ein Vorhersagemodell erstellen, das mit einer Softwareanwendung oder einem Dienst integriert werden kann.

Was sind Features im Kontext des maschinellen Lernens?

Die beobachteten Attribute oder Werte, die verwendet werden, um ein Modell zu trainieren.

Was beschreibt die mathematische Notation $y = f(x)$?

Die Berechnung eines Ausgabewerts $y$ basierend auf Eingabewerten $x$ durch die Funktion $f$.

Was beschreibt überwachtes maschinelles Lernen?

<p>Algorithmen, bei denen die Trainingsdaten sowohl Feature-Werte als auch bekannte Bezeichnungswerte enthalten. (A)</p> Signup and view all the answers

Was ist Regression im maschinellen Lernen?

<p>Eine Form des überwachten maschinellen Lernens, bei der die vorhergesagte Bezeichnung ein numerischer Wert ist.</p> Signup and view all the answers

Was ist Klassifizierung im maschinellen Lernen?

<p>Eine Form des überwachten maschinellen Lernens, bei der die Bezeichnung eine Kategorisierung oder Klasse darstellt.</p> Signup and view all the answers

Unüberwachtes maschinelles Lernen verwendet Trainingsdaten mit bekannten Bezeichnungen.

<p>False (B)</p> Signup and view all the answers

Was misst die Genauigkeit eines Modells?

<p>Den Anteil richtig klassifizierter positiver Fälle. (D)</p> Signup and view all the answers

Die Funktion $f(x)$ beschreibt die Wahrscheinlichkeit, dass $y$ für einen bestimmten Wert von $x$ _____ ist.

<p>wahr</p> Signup and view all the answers

Was ist der Zweck von AUC im maschinellen Lernen?

<p>Es misst die Leistung eines Klassifizierungsmodells über verschiedene Schwellenwerte.</p> Signup and view all the answers

Was ist ein k-Means-Algorithmus?

<p>Ein Clustering-Algorithmus, der Daten in k Cluster gruppiert.</p> Signup and view all the answers

Flashcards

What is Machine Learning?

Machine learning connects data science and software engineering to create predictive models from data.

What is the objective of machine learning?

The goal is to predict unknown outcomes based on past observations.

What is a machine learning model?

A machine learning model is a software application that calculates output values (y) from input values (x).

What is training data?

Training data consists of observations with features (x) and labels (y). Examples include clinical data and diabetes risk.

Signup and view all the flashcards

How are machine learning models trained?

An algorithm creates a relationship between features and labels to form a model (f) which is used for predicting unknown values.

Signup and view all the flashcards

What is supervised machine learning?

Models are trained with training data that contains both feature values and known label values.

Signup and view all the flashcards

What is regression in supervised machine learning?

Predicts a numerical value, like daily ice cream sales.

Signup and view all the flashcards

What is classification in supervised machine learning?

Predicts a category or class, like whether someone has diabetes or not.

Signup and view all the flashcards

What is unsupervised machine learning?

Models are trained with data that only contains feature values without known labels.

Signup and view all the flashcards

What is clustering in unsupervised machine learning?

Identifies similarities between observations, like grouping flower species.

Signup and view all the flashcards

What is deep learning?

Deep learning is an advanced form of machine learning that uses neural networks to simulate human brain learning.

Signup and view all the flashcards

Study Notes

Grundlagen des maschinellen Lernens

  • Maschinelles Lernen verbindet Data Science mit Softwareentwicklung, um Vorhersagemodelle aus Daten zu erstellen.
  • Ziel ist, unbekannte Ergebnisse anhand früherer Beobachtungen vorherzusagen, z.B. Verkaufszahlen in einer Eisdiele, basierend auf Wetterdaten.

Funktion des maschinellen Lernens

  • Ein ML-Modell ist eine Softwareanwendung, die Ausgabewerte (y) aus Eingabewerten (x) berechnet.
  • Trainingsdaten bestehen aus Beobachtungen mit Features (x) und Bezeichnungen (y); in medizinischen Szenarien beispielsweise klinische Messwerte und Diabetesrisiko.
  • Ein Algorithmus erstellt eine Beziehung zwischen Features und Bezeichnungen, um ein Modell (f) zu bilden, das zur Vorhersage unbekannter Werte verwendet wird.

Arten von maschinellem Lernen

  • Überwachtes maschinelles Lernen: Modelle werden mit Trainingsdaten trainiert, die sowohl Feature-Werte als auch bekannte Bezeichnungswerte enthalten.
    • Regression: Vorhersage eines numerischen Wertes, z.B. Tagesverkaufszahlen von Eiscreme.
    • Klassifizierung: Vorhersage einer Kategorie oder Klasse.
      • Binäre Klassifizierung: Vorhersage zwischen zwei möglichen Ergebnissen (z.B. Diabetesrisiko).
      • Multiklassen-Klassifizierung: Vorhersage unter mehreren Klassen (z.B. Pinguinarten).

Unüberwachtes maschinelles Lernen

  • Modelle werden mit Daten trainiert, die nur aus Feature-Werten ohne bekannte Bezeichnungen bestehen.
  • Clustering: Identifizierung von Ähnlichkeiten zwischen Beobachtungen, z.B. Gruppierung von Blumenarten.

Regressionsauswertungsmetriken

  • Mittlere absolute Abweichung (MAE): Durchschnitt der absoluten Unterschiede zwischen prognostizierten und tatsächlichen Werten.
  • Mittlere quadratische Abweichung (MQA): Durchschnitt der quadrierten Abweichungen.
  • Mittlere quadratische Gesamtabweichung (RMSE): Quadratwurzel der MQA, z.B. RMSE für Eiscreme beträgt 2,45.
  • Bestimmtheitsmaß (R²): Misst, wie gut das Modell die Varianz der Daten erklärt (Wert zwischen 0 und 1).

Evaluierung von Klassifikationsmodellen

  • Genauigkeit: Anteil korrekter Vorhersagen.
  • Abruf (Recall): Anteil der tatsächlich positiven Fälle, die korrekt identifiziert wurden.
  • Precision: Anteil der vorhergesagten positiven Fälle, die tatsächlich positiv sind.
  • F1-Score: Kombinierte Metrik aus Abruf und Genauigkeit.
  • AUC: Fläche unter der ROC-Kurve, bewertet die Performance des Modells bei verschiedenen Schwellenwerten.

Clustering und k-Means

  • Training eines Clustermodells erfordert die Definition von k (Anzahl der Cluster).
  • Datenpunkte werden den nächstgelegenen Schwerpunkten zugewiesen und diese werden neu justiert, bis Stabilität erreicht ist.
  • Evaluierung von Clustern umfasst die Messung der mittleren Abstände zu den Schwerpunkten und die Silhouette, die die Cluster-Trennung bewertet.

Deep Learning

  • Fortgeschrittene Form des maschinellen Lernens, die neuronale Netze nutzt, um das Lernen des menschlichen Gehirns zu simulieren.

Azure Machine Learning

  • Cloud-Dienst von Microsoft zum Training, zur Bereitstellung und Verwaltung von ML-Modellen.
  • Automatisiertes maschinelles Lernen: Erleichtert Laien die Erstellung von Modellen aus Daten.
  • Azure Machine Learning-Designer: Codefreie Entwicklung von ML-Lösungen.
  • Datenmetrikvisualisierung: Unterstützung bei der Analyse und Optimierung von Experimenten.
  • Integration von Jupyter-Notebooks für das Schreiben und Ausführen von benutzerdefiniertem Code.

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Quiz Team

Related Documents

Description

Dieser Quiz behandelt die Grundlagen des maschinellen Lernens, einschließlich der Verbindung zwischen Data Science und Softwareentwicklung. Erfahren Sie, wie Vorhersagemodelle aus Daten erstellt werden und welche Algorithmen dabei eine Rolle spielen. Testen Sie Ihr Wissen über verschiedene Arten von maschinellem Lernen.

More Like This

Cakes AI Services Quiz
5 questions

Cakes AI Services Quiz

FortuitousMemphis avatar
FortuitousMemphis
Machine Learning and Data Science Overview
5 questions
Use Quizgecko on...
Browser
Browser